当前,我国正全面推进智能交通系统（Intelligent Transportation System,ITS）的发展与应用,以减少城市道路交通事故,提高城市交通安全、效率和环保性能。作为ITS的重要组成部分,车联网通过建立车与车、人、路、网之间的通信,提升了车辆对道路行驶环境的感知与决策功能。然而,面向ITS的自动驾驶高级别用例对数据传输速率、可靠性、时延和移动性等通信性能指标要求很高,现有车联网技术难以满足需求。因此,业界提出利用最先进的第五代（5th Generation,5G）移动通信技术以提高车联网性能。作为5G关键技术之一,超密集组网旨在移动网络中部署大规模接入点,减小用户接入距离,增大频率复用增益,弱化小区边缘概念,促使接入网架构从传统“以基站为中心”转变为“以用户为中心”,并且可以与毫米波通信相结合实现优势互补,进而大幅提升车辆与路侧基础设施之间（Vehicle-to-Infrastructure,V2I）的通信速率、可靠性与时延等性能。但是,V2I网络密集部署也会导致严重的同信道干扰和频繁的小区切换等问题,不仅会降低V2I网络密集化增益,还会对V2I网络建模与性能分析造成巨大挑战。在上述研究背景下,本文围绕自动驾驶高级别用例的高速率和高可靠通信需求,针对典型道路交通场景,开展高低频超密集V2I网络接入机制、信息传输与资源分配方案研究,并且利用随机几何理论建立可分析的系统模型和易处理的理论分析框架,揭示V2I网络性能与网络关键参数之间的重要关系,为后续V2I网络性能优化和实际V2I网络部署提供理论指导。本文研究内容主要包括以下四个方面:第一,以用户为中心的超密集V2I网络建模与吞吐量分析。针对典型城市快速路V2I下行传输场景,提出了一种基于位置信息的虚拟小区空-时-频高效资源分配策略,主要包括基于服务距离的虚拟小区服务路侧单元（Roadside Unit,RSU）选择策略和基于重用距离的时频资源分配策略,以降低超密集V2I网络中的同信道干扰,提高车辆用户与V2I网络的吞吐量性能。基于随机几何理论建立了可分析的一维系统模型,推导了平均车辆吞吐量和平均空间吞吐量的解析表达式,并提出了一个远距离近似方法以降低计算复杂度。仿真结果验证了理论分析结果的准确性,并且揭示了RSU密度、车辆密度、虚拟小区半径大小和资源重用距离对吞吐量性能的影响。第二,以用户为中心的超密集V2I网络上行传输性能分析。针对典型城市快速路V2I上行传输场景,建立了易处理的一维系统模型,并且考虑了实际的三维传输距离,其中包括由收发机之间天线高度差和车道宽度组成的二维组合垂直距离。利用随机几何理论推导了单连接和多连接情况下中断概率、平均车辆吞吐量和平均空间吞吐量的解析表达式,重点考虑了协作RSUs之间的干扰空间相关性对系统性能的影响。为了简化分析结果,提出了一个远距离近似方法得到系统性能的近似解,并且通过使用两种特殊的干扰相关性假设条件,即非相关和全相关假设,推导了系统性能的上下限。仿真结果验证了理论分析结果的准确性,并且表明存在最优重用距离使得网络频谱效率最大化,而忽视干扰空间相关性会导致重用距离最优值被低估,进而造成V2I网络的非最优部署。第三,基于信息价值中继的毫米波超密集V2I网络建模与性能分析。针对典型城市快速路场景,建立了基于车辆中继的毫米波V2I网络下行传输系统模型,并且面向车路协同感知应用提出了一种基于信息价值的车辆中继策略,该策略允许车辆用户根据需要中继转发消息的信息价值,进而做出中继决策。基于中继车辆和目标车辆的感知范围相交区域的大小,引入了一个中继概率函数来评估信息价值,进而特征化车辆用户的自私性。利用随机几何理论推导了V2I直连策略、单车中继策略和双车中继策略下阻碍概率和中断概率的解析表达式,重点考虑了车辆中继策略下障碍物空间分布的相关性即阻碍相关性对系统性能分析准确性的影响。仿真结果验证了理论分析结果的准确性,并且揭示了不同障碍物空间分布、用户自私性关联的V2I网络参数与车路协同感知应用参数对毫米波车辆中继方案传输可靠性的影响。第四,三维动态毫米波超密集V2I网络建模与性能分析。针对典型城市快速路场景,建立了动态毫米波V2I网络下行传输三维系统模型,包括三维信道模型、三维障碍物模型和三维天线模型,而车辆移动性模型采用最简单的单向匀速直线行驶模型。基于随机几何理论,提出了一种三维细粒度动态V2I网络解析分析框架,推导了三维波束赋形和简化二维波束赋形条件下车辆用户的信干噪比（Signal-to-Interference-plus-Noise Ratio,SINR）覆盖概率、连接概率和有效吞吐量的解析表达式,重点考虑了车辆移动性对系统性能的影响。仿真结果验证了理论分析结果的准确性,揭示了车辆行驶速度、波束跟踪周期、RSU密度以及水平和垂直波束宽度对车辆传输可靠性和吞吐量的影响,并且表明存在最优RSU部署方案以实现V2I网络频谱效率最大化。